MétaCan
Menu
Retour à la cohorte
Enregistrement W2208297717

Using Communication Technology to Facilitate Scientific Literacy

2011· article· en· W2208297717 sur OpenAlexaff
Shireen Vanbuskirk

Notice bibliographique

RevueSociety for Information Technology & Teacher Education International Conference · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésScientific literacyLiteracyInformation literacySloganComputer scienceEngineering ethicsSociologyPolitical sciencePedagogyLibrary scienceScience educationEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ii ACKNOWLDEGEMENTS iii TABLE OF CONTENTS iv LIST OF TABLES......... ix LIST OF FIGURES x CHAPTER 1INTRODUCTION 1 Research Questions 2 Autobiographical Signature 2 The Goal of Scientific Literacy 5 Rationale 9 A Current Gap in Scholarship 10 Overview of this Study 11 CHAPTER 2 LITERATURE REVIEW 13 Part 1: Scientific Literacy 13 Literacy: A Label with many Applications 14 Scientific Literacy: A Label with Multiple Interpretations 16 Background and Current State of Scientific Literacy Initiatives 17 Theoretical Perspectives on Scientific Literacy 23 Pedagogy for Scientific Literacy: A Strategy, not a Slogan 25 A New Framework: the Scientific Literacy Framework 27 The Need for a New Approach 46 Summary of the Scientific Literacy Framework 48 Part 2: Applications of ICT for Science Education 53 A Focus on Scientific Literacy Framework Compatibility Other Technology Initiatives 56 Wiki Projects 57 Social Networking Sites 62 Section Summary 69 Effectively Linking Communication Technology with Scientific Literacy 69 Other International Initiatives 70

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,003
Science ouverte0,0030,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,079
Tête enseignante GPT0,350
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety for Information Technology & Teacher Education International ConferenceMême sujetMobile Learning in EducationTravaux en français237 207